Nos últimos anos, a inteligência artificial generativa (IA Gen) foi alvo de expectativas exageradas e promessas de uma revolução industrial que transformaria o mundo. Desde o lançamento do ChatGPT, a ideia de que a IA geraria mudanças massivas, incluindo a perda de 300 milhões de empregos, foi amplamente divulgada. Contudo, 18 meses após o pico do hype, a realidade se mostrou diferente.
O Ciclo de Hype da IA
Como muitas novas tecnologias, a IA generativa seguiu um caminho bem conhecido chamado ciclo de hype da Gartner. Este modelo descreve um processo recorrente em que o sucesso inicial de uma tecnologia leva a expectativas públicas infladas, que eventualmente não são realizadas. Após o “pico das expectativas inflacionadas”, vem o “vale da desilusão”, seguido por uma “rampa de esclarecimento” e, por fim, um “platô de produtividade”.
Um relatório da Gartner publicado em junho de 2024 indicou que a maioria das tecnologias de IA generativa ainda está no pico das expectativas inflacionadas ou subindo em direção a ele. A adoção prática dessas tecnologias tem sido menos bem-sucedida, com 80% dos projetos de IA falhando, segundo um estudo da RAND, uma taxa mais que o dobro dos projetos não relacionados à IA.
As Limitações Atuais da IA Generativa
As dificuldades com a IA generativa são diversas, desde os altos investimentos necessários em infraestrutura de dados e IA até a escassez de talentos humanos qualificados. No entanto, a natureza incomum das limitações da IA Gen representa um desafio crítico.
Por exemplo, sistemas de IA generativa são capazes de resolver testes universitários complexos, mas falham em tarefas simples, como demonstrado pela tentativa frustrada do McDonald’s de automatizar pedidos no drive-thru. Essa discrepância gera uma confiança falsa nos usuários, que acabam utilizando os modelos em situações inadequadas.
A experiência de projetos bem-sucedidos mostra que é difícil fazer um modelo generativo seguir instruções com precisão. O Khanmigo, sistema de tutoria da Khan Academy, é um exemplo disso, revelando respostas corretas mesmo quando instruído a não fazê-lo.
Por Que o Hype Ainda Não Acabou?
Apesar das dificuldades, a tecnologia de IA generativa está melhorando rapidamente, impulsionada principalmente pelo aumento de escala e tamanho dos modelos. Pesquisas mostram que o número de parâmetros e a quantidade de dados e poder computacional utilizados no treinamento contribuem para o desempenho dos modelos, enquanto a arquitetura da rede neural tem impacto mínimo.
Modelos de linguagem grande também exibem habilidades emergentes inesperadas, como raciocínio por analogia e reprodução de ilusões ópticas, que surgem quando os modelos atingem um tamanho crítico. Esses avanços são contestados em termos de causas, mas há um consenso de que os modelos estão se tornando mais sofisticados.
As empresas de IA continuam a trabalhar em modelos maiores e mais caros, enquanto empresas como Microsoft e Apple apostam nos retornos de seus investimentos existentes. Estima-se que a IA generativa precisará gerar US$ 600 bilhões em receita anual para justificar os investimentos atuais, podendo chegar a US$ 1 trilhão nos próximos anos.
O Que Vem a Seguir?
À medida que o hype da IA começa a se desinflar e entramos no período de desilusão, vemos estratégias de adoção mais realistas. As empresas estão usando a IA para apoiar humanos, em vez de substituí-los. Uma pesquisa recente mostrou que as empresas americanas estão utilizando a IA principalmente para melhorar a eficiência (49%), reduzir custos trabalhistas (47%) e aumentar a qualidade dos produtos (58%).
Também observamos um aumento de modelos de IA generativa menores e mais baratos, treinados em dados específicos e implantados localmente para reduzir custos e otimizar a eficiência. A OpenAI, por exemplo, lançou o modelo GPT-4o Mini para reduzir custos e melhorar o desempenho.
Além disso, há um foco crescente na alfabetização em IA e na educação da força de trabalho sobre como a IA funciona, suas potencialidades e limitações, e as melhores práticas para o uso ético da IA. Teremos que aprender e reaprender a utilizar diferentes tecnologias de IA nos próximos anos.
No final, a revolução da IA provavelmente será mais uma evolução, crescendo gradualmente ao longo do tempo e, pouco a pouco, alterando e transformando as atividades humanas. O que, sem dúvida, é muito melhor do que substituí-las.
